《表2 BSD100上不同方法图像去噪的平均PSNR和SSIM结果》
我们将选择PSNR和SSIM指标[52]对本文提出方法进行客观评估.首先,表2给出了图像去噪结果,其中:BM3D[3]和PGPD[4]为传统基于先验的图像去噪方法;RED[45],Dn CNN[2],Mem Net[34]以及本文提出方法属于基于CNN的方法.表2中对比方法均采用与其对应的开源代码进行测试,“-/-”表示该方法没有处理对应高斯噪声浓度的模型.表2中测试图像为BSD100中的100幅彩色图像,每幅图像转化灰度图像后添加均值为0,标准差分别为30,50,70的高斯白噪声.可以看出:CNN方法的去噪能力强于传统基于先验估计的方法,且本文方法在不同高斯噪声浓度下均展现了最优的复原性能.
图表编号 | XD00193819100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 刘宇男、张姗姗、王春鹏、李广宇、杨健 |
绘制单位 | 南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院、齐鲁工业大学计算机科学与技术学院、南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |